买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利一种短期太阳辐照度预测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115689055B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211463998.X，技术领域涉及：G06Q10/04；该发明授权一种短期太阳辐照度预测方法及装置是由臧海祥;张越;刘璟璇;程礼临;黄蔓云;周亦洲;韩海腾;朱瑛;陈胜;孙国强;卫志农设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本一种短期太阳辐照度预测方法及装置在说明书摘要公布了：本发明公开了一种短期太阳辐照度预测方法及装置，该预测方法包括：数据采集；利用ICEEMDAN算法，将原始辐照度序列分解为多尺度模态分量，合并多尺度模态分量，构建能够反映辐照度变化特性的多维辐射特征序列；基于多维辐射特征序列和多维气象特征序列，按照时间步构造二维辐射特征矩阵和二维气象特征矩阵；引入残差注意力机制对二维气象特征矩阵进行重构，得到新型气象特征矩阵；分别提取二维辐射特征矩阵和新型气象特征矩阵的时序特征，并进行融合；融合所得时序特征作为多层感知器的输入，对短期太阳辐照度进行预测。本发明能够提高短期太阳辐照度预测精度。

本发明授权一种短期太阳辐照度预测方法及装置在权利要求书中公布了：1.一种短期太阳辐照度预测方法，其特征在于，包括： 数据采集，包括辐射数据和气象数据，辐射数据为水平面总辐照度，包括辐照度序列，气象数据包括多维气象特征序列； 利用ICEEMDAN算法，将原始辐照度序列分解为多尺度模态分量，合并多尺度模态分量，构建能够反映辐照度变化特性的多维辐射特征序列； 基于多维辐射特征序列和多维气象特征序列，按照时间步构造二维辐射特征矩阵和二维气象特征矩阵； 引入残差注意力机制对二维气象特征矩阵进行重构，得到新型气象特征矩阵； 分别提取二维辐射特征矩阵和新型气象特征矩阵的时序特征，并进行融合； 融合所得时序特征作为多层感知器的输入，对短期太阳辐照度进行预测； 利用ICEEMDAN算法，对原始辐照度序列进行分解，包括： 定义原始辐照度序列为s； 基于序列s构造新的序列： si＝s+α0E1wi 其中，si为添加i组白噪声后所构造的新序列，wi为向序列s中添加的i组白噪声，Ek·表示由经验模态分解算法分解产生的k阶模态分量； 计算得到第一组残差R1： R1＝Msi 其中，·表示对整体求平均；M·为基于经验模态分解算法所产生序列的局部均值； 计算得到第一个模态分量IMF1： IMF1＝s-R1 在得到的第一个模态分量IMF1的基础上，继续添加白噪声，利用局部均值分解计算第二组残差R2和第二个模态分量IMF2： R2＝MR1+α1E2wi IMF2＝R1-R2 以此类推，第k组残差Rk和第k个模态分量IMFk为： Rk＝MRk-1+αk-1Ekwi IMFk＝Rk-1-Rk 重复上述残差和模态分量的计算过程，直至计算结束，得到所有的模态分量和最终的残差； 上式中的αk表示为： 其中，ε0为首次添加的均值为0的高斯白噪声序列与被分析原始辐照度序列间信噪比的倒数；std表示标准差； 合并分解所得不同模式的模态分量和残差，得到能够反映辐照度变化特性的多维辐射特征序列； 利用经验模态分解算法对原始辐照度序列进行分解，包括：不断地1求序列的上下包络线均值；2原始序列减掉均值包络线；3反复迭代直至所得序列满足固有模态函数的两个约束条件；此时就得到了一个IMF分量，而局部均值指原始序列减去此IMF得到的部分；基于所得的i组局部均值，对其整体求平均，得到第一组残差R1； 利用残差注意力机制对二维气象特征矩阵进行重构，包括： 基于二维气象特征矩阵获取注意力权重矩阵： A＝σW2δW1X+b1+b2 其中，A表示基于二维气象特征所得到的注意力权重矩阵；σ为sigmoid激活函数；W1、W2表示可更新权重矩阵；δ为ReLU激活函数；为二维气象特征矩阵，T为时间步数，F为输入特征数，表示过去T个时间步里F个气象特征的测量值；b1、b2为可更新权重矩阵对应的偏置； 对二维气象特征矩阵添加注意力权重： Xatt＝A⊙X 其中，Xatt为引入注意力权重后的气象特征矩阵；⊙表示哈达玛积； 引入残差连接： X'＝X+Xatt X'即为经残差注意力重构后的新型气象特征矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。